🐯CARTOGRAPHIE TWITCH JANVIER 2022🐯
A partir des données issues de la plateforme, je vous présente mes 5 points d'analyse sur l'actualité des communautés du Twitch francophone durant le mois de janvier !
⬇️THREAD⬇️
Pour ceux qui découvrent mon travail, cette cartographie s'appuie sur la même méthodo que celles ci-dessous
En résumé : un point représente un compte et un lien l'action "un viewer regarde un streamer".
Si d'un point de vue macro les communautés restent stables, quand on zoom on peut relever plusieurs points intéressants sur les tendances du mois de janvier !
Vous pouvez vous plonger dans l'image en résolution maximale ici : easyzoom.com/imageaccess/44…
1. La communauté League of Legends est la plus grande de la cartographie !
On voit qu'avec le retour de la #LFL et de la #LEC, les structures reviennent en force !
Pour avoir plus de précision, j'ai lancé l'algorithme de détection de communautés spécifiquement sur la sphère LoL, pour colorer les "sous-communautés" présentes !
On retrouve :
🔵 @OTP_LoL,
🟠 @KarmineCorp,
🟣 @Sardoche_Lol,
🟢 Les twittos...
3. Chaque cartographie est aussi l'occasion de voir le positionnement de nouveaux arrivants dans le Twitch Game :
↖️ L'arrivée de @clemovitch,
↗️ @ciryl_gane qui débarque dans le gaming,
↙️ @Chap_GG qui part sur sa chaine solo,
↘️ @HugoTravers et le lancement de @mashup_talk !
4. Dans cette cartographie, les audiences de différents serveurs gaming sont très bien délimitées :
Le nouveau serveur minecraft #HolyCube de @aurelien_sama est visible en vert !
On le voit accompagné des différents participants : @AypierreMc, @Roi_Louis_, @JimmyBoyyy_...
5. Sur ce mois de janvier, les communautés habituelles sont très distinctes et très lisibles :
🔴Warzone,
🟡Fifa,
🔵Fortnite,
🟢JL (@EliasLeRetour, @JLTomy, @BichouJango, @Nateooos...)
Il reste encore plein d'infos à aller chercher, je pouvais pas tout mettre ici !
Du coup je vais enchainer bientôt avec d'autres threads, dont un focus sur les chaines Twitch orientées politique !
Si vous voulez suivre mes avancées et analyses, c'est ici : twitch.tv/datalgo
• • •
Missing some Tweet in this thread? You can try to
force a refresh
Pour avoir plus de précision, j'ai lancé l'algorithme de détection de communautés spécifiquement sur la sphère LoL, pour colorer les "sous-communautés" présentes !
On retrouve :
🔵 @OTP_LoL,
🟠 @KarmineCorp,
🟣 @Sardoche_Lol,
🟢 Les twittos...
4 mois après ma première cartographie du Twitch francophone, je vous en propose ici une nouvelle, mise à jour avec les données de septembre !
Quelles communautés ont bougé et lesquelles sont les plus stables ?
⬇️[THREAD]⬇️
Pour ceux qui découvrent mon travail à @FirstLink_bdx, cette cartographie s'appuie sur la même méthodo que celle présentée ci-dessous. L'objectif ici est justement de comparer ces cartes !
N'hésitez-pas à me suivre si vous appréciez ce type de contenu 😃
Le dataset utilisé ici couvre l'audience du Top 100 FR sur la première moitié du mois : du 1er au 15 septembre.
Pour saisir l'ampleur du jeu de données, voici une timeline qui montre le nombre de viewers regardant le top 100 sur la période :
Dans 1h, l'équipe de France aurait dû affronter l'#ESP.
Mais lundi dernier, la France a été éliminée de l'#EURO2020 par la #SUI au terme d'un match fou 😭
Même si le deuil n'est toujours pas fait, il est temps pour moi de sortir ma data analyse Twitter de ce match :
⬇️THREAD⬇️
Mon objectif ici est d'analyser les réactions de Twitter au fil du match.
J'ai donc extrait tous les tweets de la soirée qui parlent de la rencontre ou d'un joueur sur le terrain, soit :
➡️ 431 262 tweets au total,
🇫🇷 201 845 tweets en français, sur lesquels je vais me focaliser
Premier constat assez amusant : on peut facilement retracer le cours du match simplement avec le volume de publications :
⚫️ Début et fin du temps réglementaire
🔴 Buts Suisses
🟡 Penalty arrêté par Lloris
🔵 Buts Français
Comment évoluent les communautés au fil du temps et des évènements sur Twitch ?
Hier soir j'étais l'invité de @Micode sur @UnderscoreTalk, pour parler de mon métier de "cartographe du web"
Voici quelques cartographies que j'y ai dévoilées, dont celle de la ZLAN :
⬇️THREAD⬇️
Pour comprendre les dynamiques de communautés, j'ai réalisé une décomposition chronologique de mon dataset initial, afin d'obtenir une carto par jour de la semaine et une axée sur les matinées.
Cette décomposition est hyper intéressante puisqu'elle montre que la structure des commus change pas mal en fonction des jours !
On peut voir par exemple que le mardi (@PopcornTalkshow) et le dimanche (Big9), @Domingo est central sur les cartographies :
Je suis Data Analyst chez @FirstLink_bdx, mon métier c'est de cartographier internet pour comprendre ce qu'il s'y passe.
Du coup, comme je passe pas mal de temps sur Twitch, j'ai réalisé une cartographie de la plateforme pour voir ce que ça donne.
Et le résultat est fou !⬇️
Pour réaliser cette Data Analyse, j'ai récupéré les données du Top 100 Twitch FR, du lundi 24 mai 00:00 au dimanche 30 mai 23:59.
Cela m'a permis de constituer un énorme data set avec :
•2 millions de viewers uniques comptabilisés,
•1973 streamers analysés.
Dans cette cartographie, chaque nœud représente un compte Twitch actif : streamer ou viewer.
Les liens entre les nœuds représentent le temps passé par un viewer sur la chaîne d’un streamer.
La taille du nœud dépend des liens, donc du nombre de viewers uniques de chaque Streamer.
In my first analysis, I focused on the contents (sentiment analysis, semantic cartographies...), here the goal is to analyze the influential content providers in Europe.